一种网络资源的配置方法及装置与流程

专利2022-05-09  5



1.本申请涉及通信技术领域,尤其涉及一种网络资源的配置方法及装置。


背景技术:

2.蜂窝网络受限于有限的不重叠的通信信道,因此,通常任意相邻的网络区域使用无频率交叉的信道,即每个蜂窝网络设备使用一个信道,相邻的蜂窝网络设备使用不同的信道,否则容易造成网络之间的干扰;如果两个蜂窝相隔足够远,干扰足够小,则可以使用同一信道。因此,需要对蜂窝网络的信道资源进行优化配置,尽可能使全网的网络资源分配合理。
3.由于无线访问接入点(access point,ap)设备规模庞大,且网络中还存在其他可变的或者未知的射频信号,在信道规划方面,单纯依靠人工规划需要耗费大量的人力成本,且难以预测其他可变的或者未知的射频信号造成的干扰。
4.现有的网络资源配置的调优技术是基于网络设备的调优域进行的,调优范围只针对单个接入控制器(access point controller,ac)或某个调优域内的网络设备进行资源的优化配置,而不同的ac或者调优域之间的网络设备可能存在比较大的通信干扰,因此,难以解决全网整体的资源配置优化问题。


技术实现要素:

5.本申请提供一种网络资源的配置方法及装置,解决了现有技术中对网络资源配置的调优范围和调优效果是有限的,不能解决全网的网络资源优化配置的问题。
6.为达到上述目的,本申请采用如下技术方案:
7.第一方面,提供一种网络资源的配置方法,应用于通信装置,例如分析器设备。该方法包括:获取多个网络设备的检测数据,检测数据包括网络设备的空口数据;根据多个网络设备的检测数据,得到多个网络设备之间的路径损耗;通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,多种网络配置是根据多个网络设备之间的路径损耗确定的;选取网络健康评分最高的网络配置对多个网络设备进行配置。
8.上述技术方案中,根据多个网络设备的检测数据得到网络设备之间的路径损耗,通过神经网络算法和深度学习算法,反复迭代计算,得到优化配置下网络健康评分最高的网络配置,从而一次性实现整网的资源配置优化问题,提高网络资源的调优效率。
9.在一种可能的设计方式中,多个网络设备的检测数据包括多个网络设备对应的状态信息和邻居网络设备信息。上述可能的实现方式中,通过获取多个网络设备的空口数据,得到网络设备自身和邻居网络设备的状态信息等,用来评估网络健康度,采集数据便捷,且不依赖实时的用户通信网络质量数据,提高网络资源的调优效率。
10.在一种可能的设计方式中,通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,具体包括:通过多个网络设备之间的路径损耗获取第一网络配置,根据神经网络算法和深度学习算法得到第一网络配置对应的第一网络健康评分;根据网络
设备的优先级,通过神经网络算法对第一网络配置进行更新,得到第二网络配置;根据神经网络算法和深度学习算法得到第二网络配置的对应的第二网络健康评分。
11.上述可能的实现方式中,通过神经网络算法模拟网络配置的优化方案,通过深度学习算法建模评估出优化的网络配置对应的网络健康评分,从而反复修改配置,计算网络健康评分并牵引得到目标网络健康评分最该的网络配置的优化方案。实现通过一次检测数据采集,一次性实现整网的资源配置优化问题,提高网络资源的调优效率。
12.在一种可能的设计方式中,网络健康评分与多个网络设备之间的干扰冲突相关联;和/或,网络健康评分与多个网络设备的网络负载、用户通信时延或丢包数据相关联。上述可能的实现方式中,可以通过多个网络设备之间的干扰冲突值抽象得到网络健康评分,或者根据网络设备的网络负载、用户通信时延或丢包数据等参数抽象得到网络健康评分。根据网络设备之间的干扰冲突值反应网络健康评分,其算法较简单,能够降低数据处理复杂度,提高网络资源的调优效率。
13.在一种可能的设计方式中,网络配置包括多个网络设备的信道、频宽或功率的配置信息中的至少一种。上述可能的实现方式中,通过优化配置,实现对多个网络设备的信道、频宽或功率的配置更新,能够实现整网的网络资源的调优,提高用户体验。
14.在一种可能的设计方式中,获取多个网络设备的检测数据,具体包括:接收多个网络设备发送的检测数据;或,接收至少一个中间转发设备透传的多个网络设备的检测数据;或,访问多个网络设备,从而获取多个网络设备的检测数据。上述可能的实现方式中,通过网络设备直接上报、由中间转发设备转发或者主动访问网络设备获取检测数据的几种方式,被动或者主动获取多个网络设备的检测数据,从而提高检测数据采集的灵活性,降低对数据整体采集处理的资源占用。
15.在一种可能的设计方式中,选取网络健康评分最高的网络配置对多个网络设备进行配置包括:通过简单网络管理协议snmp或网络设备配置管理协议netconf向多个网络设备发送配置信息,配置信息包括网络健康评分最高的网络配置。上述可能的实现方式中,可以通过snmp或netconf协议将网络健康最优的配置向多个网络设备发送,实现网络调优的配置。
16.第二方面,提供一种网络资源的配置装置,该装置包括:获取模块,用于获取多个网络设备的检测数据,检测数据包括网络设备的空口数据;处理模块,用于根据多个网络设备的检测数据,得到多个网络设备之间的路径损耗;通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,多种网络配置是根据多个网络设备之间的路径损耗确定的;配置模块,用于选取网络健康评分最高的网络配置对多个网络设备进行配置。
17.在一种可能的设计方式中,多个网络设备的检测数据包括多个网络设备对应的状态信息、邻居网络设备信息和网络配置信息中的至少一种。
18.在一种可能的设计方式中,处理模块具体用于:通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,具体包括:通过多个网络设备之间的路径损耗获取第一网络配置,根据神经网络算法和深度学习算法得到第一网络配置对应的第一网络健康评分;根据网络设备的优先级,通过神经网络算法对第一网络配置进行更新,得到第二网络配置;根据神经网络算法和深度学习算法得到第二网络配置的对应的第二网络健康评分。
19.在一种可能的设计方式中,网络健康评分与多个网络设备之间的干扰冲突相关联;和/或,网络健康评分与多个网络设备的网络负载、用户通信时延或丢包数据相关联。
20.在一种可能的设计方式中,网络配置包括多个网络设备的信道、频宽或功率的配置信息中的至少一种。
21.在一种可能的设计方式中,获取模块具体用于:接收多个网络设备发送的检测数据;或,接收至少一个中间转发设备透传的多个网络设备的检测数据;或,访问多个网络设备,从而获取多个网络设备的检测数据。
22.在一种可能的设计方式中,配置模块具体用于:通过简单网络管理协议snmp或网络设备配置管理协议netconf向多个网络设备发送配置信息,配置信息包括网络健康评分最高的网络配置。
23.第三方面,提供一种通信装置,该通信装置包括:至少一个处理器,存储器;所述至少一个存储器存储有程序指令和数据,所述程序指令在所述至少一个处理器中执行,所述至少一个处理器运行所述存储器中的程序指令使得所述通信装置执行上述第一方面任一项可能的设计方式中所述的网络资源的配置方法。
24.第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述计算机可读存储介质在设备上运行时,使得所述设备执行上述第一方面任一项可能的设计方式中所述的网络资源的配置方法。
25.第五方面,提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行上述第一方面任一项可能的设计方式中所述的网络资源的配置方法。
26.可以理解地,上述提供的任一种网络资源的配置方法、网络资源的配置装置、通信装置、计算机可读存储介质和计算机程序产品,均可以由上文所提供的对应的方法来实现,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
附图说明
27.图1为本申请实施例提供的一种通信网络的系统架构图;
28.图2为本申请实施例提供的一种网络资源的配置方法的流程示意图;
29.图3为本申请实施例提供的一种网络资源的配置方法的处理模块示意图;
30.图4为本申请实施例提供的一种网络资源的配置方法的处理流程示意图;
31.图5为本申请实施例提供的一种网络资源的配置装置的结构示意图;
32.图6为本申请实施例提供的一种通信装置的结构示意图。
具体实施方式
33.以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
34.本申请实施例提供一种网络资源的配置方法,该方法可以应用于局域网(local area network,lan)的网络资源的优化配置,也可以应用于其他的蜂窝网络。
35.局域网是指局部地区形成的一个区域网络,局域网又分为有线局域网和无线局域网(wireless local area network,wlan),wlan是指应用无线通信技术将计算机设备互联起来,构成的可以互相通信和实现资源共享的网络体系。目前wlan由于其便利性,被广泛应用。本申请实施例中仅以wlan作为示例进行说明,并不对此构成限定。
36.在介绍本申请的方法实施例之前,先对wlan的网络结构做简单介绍,如图1所示,wlan系统一般由接入控制器(wireless access point controller,ac)和无线接入点(access point,ap)组成,例如,可以包括如图1所示的ap1、ap2和ap3等多个网络设备。
37.ap是用于无线网络的无线交换机,也是无线网络的核心。无线ap是移动计算机用户进入有线网络的接入点,主要用于宽带家庭、大楼内部以及园区内部,典型距离覆盖几十米至上百米。大多数无线ap还带有接入点客户端模式,可以和其它ap进行无线连接,延展网络的覆盖范围。
38.ac是无线局域网的接入控制设备,负责将来自不同ap的数据进行汇聚并接入网络,同时完成ap设备的配置管理、无线用户的认证、管理及宽带访问、安全等控制功能。
39.该wlan系统还可以包括交换机,可以用于为多个无线ap进行供电,还可以提供数据转发的功能,例如用于转发网络设备ap和网络设备ac的数据。
40.该wlan系统还可以包括分析器,可以与交换机连接或者与网络设备ac连接,用于对该wlan系统的网络资源进行规划、管理和控制。例如,该分析器可以为园区网络分析器(campusinsignt),用于对该wlan网络内的所有ac和ap进行参数配置、管理、故障排查等。
41.对无线网络wlan中的多个ap进行合理的规划信道,对于减少无线通信之间的干扰、冲突,提升网络质量和传输效率有重要作用。
42.其中,信道决定了无线ap是在哪个频率范围内进行通信的。无线信道也就是无线的“频段(channel)”,其是以无线信号作为传输媒体的数据信号传送通道。位置相邻的网络设备之间会存在不同程度的同频的或者邻频的干扰。
43.本申请实施例可以用于实现对无线网络wlan中的多个网络设备进行合理的信道规划,使得整网的网络设备之间的干扰冲突最小,且用户的网络体验最好,从而实现全网的网络资源优化配置,提高用户体验。
44.本申请实施例提供一种基于神经网络和深度学习算法的网络资源的配置方法,该方法可以应用于通信装置,例如,该通信装置可以为分析器,本申请的实施例仅以分析器为例进行说明,并不对此构成限定。该分析器可以根据无线网络中所有网络设备收集的邻居探测信息,通过神经网络算法快速仿真较优的网络资源配置,通过强化学习算法,得到目标为全网的网络健康评分最高的网络资源配置,从而由分析器根据该网络资源配置下发给网络设备,实现对整个局域网中的网络设备的资源优化配置。
45.下面结合图1对本申请的实施例做具体说明,如图2所示,该方法可以包括如下步骤:
46.201:获得多个网络设备的检测数据。
47.其中,wlan网络中的网络设备可以为ap,也可以为其他的网络设备,例如,接入点控制ac、交换机(switch,sw)或防火墙(firewall,fw)等网络设备。本申请实施例中仅以ap作为示例进行说明,并不对本申请构成限定。
48.多个网络设备的检测数据,可以为网络设备获取的空口数据,也可称为空口检测
数据。空口,是指网络设备和终端设备之间的无线链路,其无线链路的无线传输规范定义了每个无线信道的使用频率、带宽、接入时机、编码方法以及越区切换等数据。在移动通信当中,用户的终端设备与基地台通过空口互相通信。
49.空口数据可以包括多个网络设备的状态信息、邻居网络设备信息和网络配置信息。例如,ap1设备连接上电后,即可探测周围的环境信息,如,ap1周围的邻居设备ap2和ap3,还可以探测到其他干扰源,例如,手机热点、微波炉微波信号或蓝牙信号等。
50.其中,状态信息是指网络设备的固有属性和当前运行的状态信息等,这类信息仅能被查询,不能够修改和配置。配置数据是指由专业技术人员或者分析器设备下发配置到网络设备上的数据,例如,网络设备数据传输的可用信道、频宽等属性。
51.示例性的,ap探测的空口检测数据,其中可以包括ap自身的射频数据,还可以包括ap探测到的周围邻居的射频数据。如,ap自身的射频数据可以包括:ap的媒体存取控制位址(media access control address,mac)、射频id和所在的信道。如,邻居的射频数据可以包括:邻居设备的mac地址、邻居设备的类型、邻居设备所在的信道和邻居设备的信号强度指示(received signal strength indication,rssi)等。
52.其中,邻居设备的类型可以包括类型一:同一个wlan网络的可管理或可修改配置的网络设备,例如ap。还可以包括类型二:不可管理且不可修改的网络信号,也就是其他的干扰源信号,例如,手机热点、微波炉的微波信号或蓝牙信号等。
53.在一种实施方式中,分析器获得多个网络设备的空口数据,可以通过主动获取和被动接受的方式,示例性的,以网络设备为ap为例进行说明。
54.方式一、分析器接收多个ap发送的检测数据。
55.当多个ap与分析器系统可以互相通信,则多个ap可以直接向分析器上报其自身的空口检测数据。示例性的,多个ap可以通过有线网络,采用超文本传输安全协议(hyper text transfer protocol over securesocket layer,https)或用户数据报协议(user datagram protocol,udp)等传输通道,上报至分析器。即ap可以向分析器发送封装有空口检测数据的数据报文,例如,udp报文,分析器接收到ap上报的udp报文后,对其进行解析,即可获取各个ap的空口检测数据。
56.ap设备自身上报可以为ap和分析器之间提供数据传输通道,大量的检测数据有不必由中间转发设备集中转发,能够减轻集中转发处理对设备处理器、网络工作带宽的资源占用。
57.方式二、接收至少一个接入ac或者转发设备透传的多个ap的检测数据。
58.当多个ap与分析器系统不可以直接通信,则可以通过中间转发设备将多个网络设备获取的空口检测数据上报给分析器。
59.如ap与分析器系统之间的网络无法连通,则需要部署集中转发设备,例如,通过ac设备转发,或在本地网络出口部署服务器作为集中转发设备。ap检测的空口检测数据先由ap上报至ac或者集中转发设备,再由ac或者集中转发设备上报至分析器。
60.示例性的,ap可以向ac发送封装有空口检测数据的数据报文,ac接收到ap上报的报文后,将其转发给分析器,分析器对接收到的报文进行解析,即可获取各个ap的空口检测数据。
61.方式三、分析器主动访问多个ap,从而获取多个ap的检测数据。
62.如果多个ap不具备上报报文的能力,也可由分析器通过主动轮询机制,向ap设备请求获取探测数据。例如,分析器向ap发送请求信息,用于指示获取ap设备的空口数据,则分析器可以从多个ap获取空口检测数据。
63.进一步的,ac可以将多次探测的多个ap检测数据进行压缩、打包后统一上传至分析器,提升数据传输效率。
64.如分析器只是获取多个ap的空口检测数据,则在网络环境的配置不改变的情况下,分析器只需要轮询一次就可以获取多个ap的空口检测数据。如果分析器要获取多个ap工作时的用户体验数据,则需要获取ap实时检测数据,可以将分析器的轮询机制配置为定时或者周期性的。分析器获取ap的检测数据后,可以将主动探测到的检测数据打上时间戳存储至数据库或文件中。
65.在具体的实施方式中,分析器可以通过配置的采集模块进行检测数据的收集。
66.采集模块可以对上报检测数据的网络设备与上报的检测数据做合法性校验,例如,检测到检测数据丢失,或检测数据存在数据完整性缺陷,则及时记录日志或发出告警提示。另外,分析器的采集模块还可以具有一定的流量控制与管理能力,如检测到单个采集模块无法满足接收大量的检测数据的要求,则可以配置多个采集模块,分布多点收集检测数据。
67.分析器的采集模块获取到网络设备的检测数据的上报报文后,可以拨离报文头,获取数据载体,通过数据解析能力,处理为预先配置的格式化数据。结合图3所示,采集模块可以直接将处理生成的格式化数据上传到网络仿真模块,也可以将格式化数据进行存储后再上传到网络仿真模块,从而提高数据的可靠性。例如可以对生成的格式化数据通过数据库或文件形式进行存储。
68.202:根据多个网络设备的检测数据,得到多个网络设备之间的路径损耗。
69.其中,路径损耗,也称传播损耗,可简称为路损。是指电信号在空间传播所产生的损耗,是由发射功率的辐射扩散及信道的传播特性造成的,反映宏观范围内接收信号功率均值的变化。是指网络设备的接收功率相比发射功率产生的损耗。
70.分析器获取多个网络设备的空口检测数据后,可以根据多个网络设备的空口检测数据,计算得到多个网络设备之间相邻的网络设备之间的路径损耗,得到多个网络设备的邻居关系。
71.具体的,分析器可以根据多个网络设备的检测数据计算得到ap之间的路损,例如,通过ap的发送功率、ap的接收功率或ap之间互相探测的信息强度等相关数据,计算得到ap之间的路损,其路损的单位是分贝毫瓦(dbm)。具体的计算ap之间路损的方式可以根据现有算法得到,本申请对此不做具体限定。
72.ap之间的路损与ap之间的位置关系和ap之间的障碍物等因素有关,因此一般ap的安装点位固定后,在周边环境(如障碍物)不变化的情况下,ap之间的路损也会保持相对稳定。
73.其中,多个网络设备的邻居关系不是指网路设备的物理关系,而是用来表示网络设备能够探测到的周围其他网络设备的射频信号的邻居关系。
74.203:通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分。
75.其中,多种网络配置是根据多个网络设备之间的路径损耗确定的。
76.分析器根据当前的多个网络设备上报的空口检测数据,计算得到当前的多个网络设备之间的路损,根据多个网络设备之间的路损即可抽象得出当前网络配置的网络健康评分。
77.结合图3所示,采集模块获得多个网络设备的检测数据后,上报至网络仿真模块,网络仿真模块通过采集数据,计算得到多个网络设备之间的路损。然后可以根据多个网络设备之间的路损,计算多个网络设备之间的干扰冲突值。
78.示例性的,网络健康度评分可以用整网的干扰冲突值来表示,其中,ap之间的干扰冲突值用于表示两个ap之间的网络干扰情况,通过单个ap的干扰冲突值,可以得到整网的干扰冲突值,例如,通过对单个ap的干扰冲突值进行加权平均的算法,或者计算平均值的算法得到整网的干扰冲突值,用来表示整网的网络健康评分。例如,整网的干扰冲突值越低,则网络健康评分越高;整网的干扰冲突值越高,则网络健康评分越低。
79.在一种实施例中,网络健康评分也可以通过其他参数来表示,例如,网络负载、终端接入体验、网络设备的流量数据、丢包数据、通信时延或者其他用户体验数据等。
80.如图4所示,获取网络设备的检测数据后,通过神经网络算法进行网络仿真,模拟多种不同的网络配置模型,通过深度学习算法预测每种网络配置对应的网络健康评分,通过反复迭代,得到网络健康评分最高的网络配置。
81.上述迭代过程具体可以包括:
82.通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,具体包括:通过多个网络设备之间的路径损耗获取第一网络配置,根据神经网络算法和深度学习算法得到第一网络配置对应的第一网络健康评分;则根据网络设备的优先级,通过神经网络算法对第一网络配置进行更新,得到第二网络配置;根据神经网络算法和深度学习算法得到第二网络配置的对应的第二网络健康评分。
83.上述的神经网络结合深度学习算法的迭代处理过程,分别可以通过不同的计算模块实现,结合图3所示,可以包括网络仿真模块、优化动作生成模块、评估模块和优化执行模块。下面将分别对各模块在上述处理过程中的作用进行介绍。
84.网络仿真模块根据评估模块计算得到的当前网络健康评分,获取当前网络配置对应的标签数据。示例性的,标签数据可以为健康、正常、异常等枚举型标签,分别对应不同分值的网络健康评分;或者标签数据也可以为具体的分值,对应于网络健康评分。结合优化动作生成模块提供的可分配动作,计算出每个优化动作下的概率分布,根据网络设备优先级通过神经网络预测,给出当前网络设备下最优的网络配置。评估模块计算对应的网络健康评分,最终将预测出的配置与评分输出至评估模块,再由评估模块最终决策网络配置是否最优。
85.评估模块:结合在线数据(实时采集的检测数据)和离线数据(仿真信息)进行网络健康评估。评估模块主要用于提供两种评估处理能力:第一、网络健康评估,从采集模块获取检测数据,计算得到多个网络设备之间的路损,在环境不变化的前提下,通过建模得到网络健康评估。该网络健康评分可以根据单一指标进行模拟,例如,网络设备之间的同频或者邻频的干扰冲突值大小;也可以根据综合指标进行模拟,如将网络负载、终端接入体验等综合考虑,抽象计算出网络健康评分的计算模型。再由单个网络设备之间的网络健康评分,通
过加权平均算分得到全网健康评分,再用全网健康评分做目标值牵引算法,确定是否是全网健康评分最高。第二、是否最佳网络配置决策评估,基于海量数据样本,包括网络仿真模块及真实运行的在线数据(实时采集的检测数据),利用强化学习算法,决策最佳网络配置。
86.优化动作生成模块:基于多个网络设备的检测数据,结合评估模块的网络健康评估,例如,干扰冲突值等,进行网络设备的优先级排序。从而在优化配置动作时,优先保证高优先级设备的网络资源分配,例如,网络信道、功率、频宽的配置。如采集的检测数据足够丰富的情况下,也可将其他因素做为动作生成的因素,如射频的信道利用率、业务负载或者用户体验数据等各方面的综合因素。优化动作生成模块给出可优化的动作后,再将输出可分配的动作提供给网络仿真模块,供网络仿真模块决策。
87.优化执行模块:通过上述步骤确定最优的网络配置后,完成对多个网络设备的配置调整。
88.204:选取网络健康评分最高的网络配置对多个网络设备进行配置。
89.具体的,分析器可以通过简单网络管理协议(simple network management protocol,snmp)或网络设备配置管理协议(the network configuration protocol,netconf)向多个网络设备发送配置信息,配置信息包括网络健康评分最高的网络配置。
90.其中,snmp是tcp/ip协议簇的一个应用层协议,工作在udp 161端口,用于监控网络设备的操作系统、硬件设备、服务应用、软硬件配置、网络协议状态、设备性能及资源利用率、设备报错事件信息、应用程序状态等软硬件信息。
91.通过上述的优化执行模块,可以通过通用的网络设备管理协议向多个网络设备进行配置,例如snmp或netconf,也可以通过自定义的私有交互协议进行配置。
92.分析器对多个网络设备的网络配置下发,可以直接下发至多个网络设备,例如分析器发送配置报文至多个ap。也可通过中间代理转发,例如,通过ac转发至ap。实现网络健康评分最高的网络配置一次下发,一次配置实现网络配置最优。
93.上述本申请的实施例,通过对多个
94.网络设备收集到的探测数据进行网络资源配置的模拟仿真,再通过深度学习算法,优化网络资源配置的网络健康评分,通过神经网络和深度学习的反复迭代直到计算出最优的网络资源配置,从而下发给各个网络设备。达到根据一次探测数据,实现一次生成最佳网络资源配置及无线网络质量最优的效果,提高网络资源调优的效率和准确度。
95.本申请还提供一种网络资源的配置装置,如图5所示,该装置500可以包括:获取模块501、处理模块502和配置模块503。
96.获取模块501,用于获取多个网络设备的检测数据,检测数据包括网络设备的空口数据。
97.处理模块502,用于根据多个网络设备的检测数据,得到多个网络设备之间的路径损耗;通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,多种网络配置是根据多个网络设备之间的路径损耗确定的。
98.配置模块503,用于选取网络健康评分最高的网络配置对多个网络设备进行配置。
99.在一种可能的设计方式中,多个网络设备的检测数据包括多个网络设备对应的状态信息和邻居网络设备信息。
100.在一种可能的设计方式中,该处理模块502具体还可以用于:通过神经网络算法得
到第一网络配置,根据深度学习算法得到第一网络配置对应的第一网络健康评分;根据网络设备优先级,通过神经网络算法对第一网络配置的网络设备进行配置更新,得到第二网络配置;根据深度学习算法得到第二网络配置的对应的第二网络健康评分,通过神经网络算法和深度学习算法进行反复迭代,直到得到网络健康评分最高的网络配置。
101.在一种可能的设计方式中,网络健康评分与多个网络设备之间的干扰冲突相关联;和/或,网络健康评分与多个网络设备的网络负载、用户通信时延或丢包数据相关联。
102.在一种可能的设计方式中,网络配置包括多个网络设备的信道、频宽或功率的配置信息中的至少一种。
103.在一种可能的设计方式中,则该获取模块501具体可以用于:接收多个网络设备发送的检测数据;或,接收至少一个中间转发设备透传的多个网络设备的检测数据;或,访问多个网络设备,从而获取多个网络设备的检测数据。
104.在一种可能的设计方式中,该配置模块503具体可以用于:通过简单网络管理协议snmp或网络设备配置管理协议netconf向多个ap发送配置信息,配置信息包括网络健康评分最高的网络配置。
105.此外,本申请还提供一种通信装置,如图6所示,该通信装置600可用于实现上述方法实施例中描述的方法,具体可以参见上述方法实施例中的说明。所述通信装置600可以是芯片,网络设备(如基站)。
106.所述通信装置600包括一个或多个处理器601。所述处理器601可以是通用处理器或者专用处理器等。例如可以是基带处理器、或中央处理器。基带处理器可以用于对通信协议以及通信数据进行处理,中央处理器可以用于对装置(如,基站、终端、或芯片等)进行控制,执行软件程序,处理软件程序的数据。所述装置可以包括收发单元,用以实现信号的输入(接收)和输出(发送)。例如,装置可以为芯片,所述收发单元可以是芯片的输入和/或输出电路,或者通信接口。所述芯片可以用于终端设备或网络设备(比如基站)。又如,装置可以为终端设备或网络设备(比如基站),所述收发单元可以为收发器,射频芯片等。
107.可选的,一种设计中,处理器601也可以包括指令603,所述指令可以在所述处理器上被运行,使得所述通信装置600执行上述方法实施例中描述的方法。
108.在又一种可能的设计中,通信装置600也可以包括电路,所述电路可以实现前述方法实施例中网络设备或终端设备的功能。
109.在又一种可能的设计中所述通信装置600中可以包括一个或多个存储器602,其上存有指令604,所述指令可在所述处理器上被运行,使得所述通信装置600执行上述方法实施例中描述的方法。可选的,所述存储器中还可以存储有数据。可选的处理器中也可以存储指令和/或数据。例如,所述一个或多个存储器602可以存储上述实施例中所描述的移动有效区域,或者上述实施例中所涉及的相关的参数或表格等。所述处理器和存储器可以单独设置,也可以集成在一起。
110.在又一种可能的设计中,所述通信装置600还可以包括收发单元605以及天线606,或者,包括通信接口。所述收发单元605可以称为收发机、收发电路、或者收发器等,用于通过天线606实现装置的收发功能。所述通信接口(图中未示出),可以用于核心网设备和网络设备,或是,网络设备和网络设备之间的通信。可选的,该通信接口可以为有线通信的接口,比如光纤通信的接口。
111.所述处理器601可以称为处理单元,对装置(比如终端或者基站)进行控制。
112.此外,由于本申请实施例中所描述收发单元605进行的发送或接收是在处理单元(处理器601)的控制之下,因此,本申请实施例中也可以将发送或接收的动作描述为处理单元(处理器601)执行的,并不影响本领域技术人员对方案的理解。
113.上述各个装置实施例中的终端设备与网络设备可以与方法实施例中的终端设备或者网络设备完全对应,由相应的模块或者单元执行相应的步骤,例如,当该装置以芯片的方式实现时,该接收单元可以是该芯片用于从其他芯片或者装置接收信号的接口电路。以上用于发送的单元是一种该装置的接口电路,用于向其他装置发送信号,例如,当该装置以芯片的方式实现时,该发送单元是该芯片用于向其他芯片或者装置发送信号的接口电路。
114.应理解,本申请实施例中的处理器可以为cpu,该处理器还可以是其他通用处理器、dsp、asic、fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
115.还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,rom)、可编程只读存储器(programmable rom,prom)、可擦除可编程只读存储器(erasable prom,eprom)、电可擦除可编程只读存储器(electrically eprom,eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory,ram),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random access memory,ram)可用,例如静态随机存取存储器(static ram,sram)、动态随机存取存储器(dram)、同步动态随机存取存储器(synchronous dram,sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram,ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram,esdram)、同步连接动态随机存取存储器(synchlink dram,sldram)和直接内存总线随机存取存储器(direct rambus ram,dr ram)。
116.上述各个装置实施例中的网络设备可以与方法实施例中的网络设备完全对应,由相应的模块或者单元执行相应的步骤,例如,当该装置以芯片的方式实现时,该接收单元可以是该芯片用于从其他芯片或者装置接收信号的接口电路。以上用于发送的单元是一种该装置的接口电路,用于向其他装置发送信号,例如,当该装置以芯片的方式实现时,该发送单元是该芯片用于向其他芯片或者装置发送信号的接口电路。
117.应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
118.本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
119.在本申请所提供的几个实施例中,应该理解到,所揭露的系统、通信装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或
组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
120.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
121.另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
122.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:u盘、移动硬盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。
123.以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

技术特征:
1.一种网络资源的配置方法,其特征在于,所述方法包括:获取多个网络设备的检测数据,所述检测数据包括网络设备的空口数据;根据所述多个网络设备的检测数据,得到所述多个网络设备之间的路径损耗;通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,所述多种网络配置是根据所述多个网络设备之间的路径损耗确定的;选取网络健康评分最高的网络配置对所述多个网络设备进行配置。2.根据权利要求1所述的方法,其特征在于,所述多个网络设备的检测数据包括所述多个网络设备对应的状态信息和邻居网络设备信息。3.根据权利要求1或2所述的方法,其特征在于,所述通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,具体包括:通过所述多个网络设备之间的路径损耗获取第一网络配置,根据所述神经网络算法和深度学习算法得到所述第一网络配置对应的第一网络健康评分;根据网络设备的优先级,通过神经网络算法对所述第一网络配置进行更新,得到第二网络配置;根据所述神经网络算法和深度学习算法得到所述第二网络配置的对应的第二网络健康评分。4.根据权利要求3所述的方法,其特征在于,所述网络健康评分与所述多个网络设备之间的干扰冲突相关联;和/或,所述网络健康评分与所述多个网络设备的网络负载、用户通信时延或丢包数据相关联。5.根据权利要求4所述的方法,其特征在于,所述网络配置包括所述多个网络设备的信道、频宽或功率的配置信息中的至少一种。6.根据权利要求1或2所述的方法,其特征在于,所述获取多个网络设备的检测数据,具体包括:接收多个网络设备发送的检测数据;或,接收至少一个中间转发设备透传的多个网络设备的检测数据;或,访问多个网络设备,从而获取多个网络设备的检测数据。7.根据权利要求1、2、4或5任一项所述的方法,其特征在于,所述选取网络健康评分最高的网络配置对所述多个网络设备进行配置包括:通过简单网络管理协议snmp或网络设备配置管理协议netconf向所述多个网络设备发送配置信息,所述配置信息包括所述网络健康评分最高的网络配置。8.一种网络资源的配置装置,其特征在于,所述装置包括:获取模块,用于获取多个网络设备的检测数据,所述检测数据包括网络设备的空口数据;处理模块,用于根据所述多个网络设备的检测数据,得到所述多个网络设备之间的路径损耗;通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,所述多种网络配置是根据所述多个网络设备之间的路径损耗确定的;配置模块,用于选取网络健康评分最高的网络配置对所述多个网络设备进行配置。9.根据权利要求8所述的装置,其特征在于,所述多个网络设备的检测数据包括所述多个网络设备对应的状态信息和邻居网络设备信息。10.根据权利要求8或9所述的装置,其特征在于,所述处理模块具体用于:
通过所述多个网络设备之间的路径损耗获取第一网络配置,根据所述神经网络算法和深度学习算法得到所述第一网络配置对应的第一网络健康评分;根据网络设备的优先级,通过神经网络算法对所述第一网络配置进行更新,得到第二网络配置;根据所述神经网络算法和深度学习算法得到所述第二网络配置的对应的第二网络健康评分。11.根据权利要求10所述的装置,其特征在于,所述网络健康评分与所述多个网络设备之间的干扰冲突相关联;和/或,所述网络健康评分与所述多个网络设备的网络负载、用户通信时延或丢包数据相关联。12.根据权利要求11所述的装置,其特征在于,所述网络配置包括所述多个网络设备的信道、频宽或功率的配置信息中的至少一种。13.根据权利要求8或9所述的装置,其特征在于,所述获取模块具体用于:接收多个网络设备发送的检测数据;或,接收至少一个中间转发设备透传的多个网络设备的检测数据;或,访问多个网络设备,从而获取多个网络设备的检测数据。14.根据权利要求8、9、11或12任一项所述的装置,其特征在于,所述配置模块具体用于:通过简单网络管理协议snmp或网络设备配置管理协议netconf向所述多个网络设备发送配置信息,所述配置信息包括所述网络健康评分最高的网络配置。15.一种通信装置,其特征在于,所述通信装置包括:至少一个处理器,存储器;所述至少一个存储器存储有程序指令和数据,所述程序指令在所述至少一个处理器中执行,所述至少一个处理器运行所述存储器中的程序指令使得所述通信装置执行上述权利要求1-7任一项所述的网络资源的配置方法。16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述计算机可读存储介质在设备上运行时,使得所述设备执行权利要求1-7任一项所述的网络资源的配置方法。17.一种计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得所述计算机执行权利要求1-7任一项所述的网络资源的配置方法。
技术总结
本申请提供一种网络资源的配置方法及装置,涉及通信技术领域。通过改善现有技术对网络资源配置的调优范围和调优效果的局限性,实现对整个局域网的网络资源优化配置问题。该方法包括:获取多个网络设备的检测数据,检测数据包括网络设备的空口数据;根据多个网络设备的检测数据,得到多个网络设备之间的路径损耗;通过神经网络算法和深度学习算法,获取多种网络配置对应的网络健康评分,多种网络配置是根据多个网络设备之间的路径损耗确定的;选取网络健康评分最高的网络配置对多个网络设备进行配置。备进行配置。备进行配置。


技术研发人员:魏政元 季平
受保护的技术使用者:北京华为数字技术有限公司
技术研发日:2019.12.31
技术公布日:2021/7/15

转载请注明原文地址:https://doc.8miu.com/read-650296.html

最新回复(0)